Forschungsdesign der Bachelorarbeit: Typen, Auswahl und typische Fehler

Das Forschungsdesign einer Bachelorarbeit legt fest, nach welcher grundlegenden Logik du deine Fragestellung untersuchst — bevor überhaupt entschieden wird, welche konkrete Methode (Fragebogen, Interview, Inhaltsanalyse) zum Einsatz kommt. Die zentralen Grundtypen sind Querschnitt- und Längsschnittdesigns, experimentelle, quasi-experimentelle und nicht-experimentelle Designs, die Fallstudie sowie Mixed-Methods-Designs, die mehrere Ansätze kombinieren. Welches Design passt, ergibt sich nicht aus persönlicher Vorliebe, sondern direkt aus der Fragestellung: Willst du einen Zustand beschreiben, einen Verlauf über Zeit erfassen, einen kausalen Effekt nachweisen oder einen Einzelfall in seiner Tiefe verstehen?

Forschungsdesign vs. Methodik: Wo der Unterschied liegt

Forschungsdesign und Methodik werden in Bachelorarbeiten häufig durcheinandergebracht, obwohl sie zwei verschiedene Entscheidungsebenen betreffen. Das Forschungsdesign ist die übergeordnete Untersuchungslogik — quer- oder längsschnittlich, experimentell oder nicht, Einzelfall oder Stichprobe. Die Methodik dagegen umfasst die konkrete Umsetzung: welches Erhebungsinstrument, welche Stichprobe, welches Auswertungsverfahren. Einen vollständigen Überblick über den Aufbau des Methodikkapitels selbst liefert der Beitrag Methodik der Bachelorarbeit — dieser Beitrag hier konzentriert sich bewusst auf die vorgelagerte Designentscheidung, die getroffen sein muss, bevor das Methodikkapitel überhaupt geschrieben werden kann.

Querschnitt- vs. Längsschnittdesign

Die erste grundlegende Designentscheidung betrifft die zeitliche Dimension der Untersuchung:

Querschnittdesigns sind in Bachelorarbeiten deutlich häufiger, da sie sich innerhalb der begrenzten Bearbeitungszeit realistisch umsetzen lassen — ein echtes Längsschnittdesign mit mehreren Erhebungswellen sprengt in der Regel den zeitlichen Rahmen, es sei denn, du kannst auf bereits vorhandene Längsschnittdaten (z. B. aus einem Panel wie dem Sozio-oekonomischen Panel) zurückgreifen, statt selbst mehrere Erhebungswellen durchzuführen.

Experimentelle, quasi-experimentelle und nicht-experimentelle Designs

Die zweite zentrale Unterscheidung betrifft den Grad der Kontrolle über die untersuchten Bedingungen:

• Experimentelles Design: Probanden werden zufällig (randomisiert) auf Experimental- und Kontrollgruppe verteilt, eine unabhängige Variable wird gezielt manipuliert. Ermöglicht die stärksten Aussagen über Kausalität, ist aber in vielen Bachelorarbeiten aus ethischen oder praktischen Gründen schwer umsetzbar.
• Quasi-experimentelles Design: Es gibt einen Gruppenvergleich, aber ohne echte Randomisierung — etwa der Vergleich zweier bereits bestehender Studiengruppen. Kausale Aussagen sind hier nur mit Vorsicht und unter Angabe der Einschränkungen möglich.
• Nicht-experimentelles Design: Es wird nichts manipuliert, sondern der Ist-Zustand beschrieben oder Zusammenhänge zwischen bereits bestehenden Variablen untersucht — der mit Abstand häufigste Designtyp in Bachelorarbeiten, etwa bei Fragebogenstudien zu Einstellungen oder Verhalten.

Ein Beispiel zur Einordnung: Wer den Effekt einer neuen Lehrmethode nachweisen will, indem er eine Klasse nach dem Zufallsprinzip in zwei Gruppen teilt und nur eine Gruppe mit der neuen Methode unterrichtet, wählt ein experimentelles Design. Wer stattdessen zwei bereits bestehende Schulklassen vergleicht, die unterschiedlich unterrichtet wurden, wählt ein quasi-experimentelles Design — mit entsprechend vorsichtigeren kausalen Schlussfolgerungen.

Interne und externe Validität als Bewertungsmaßstab

Jedes Forschungsdesign lässt sich an zwei Validitätsarten messen, die häufig in einem Spannungsverhältnis zueinander stehen. Interne Validität beschreibt, wie sicher du sagen kannst, dass ein beobachteter Effekt tatsächlich auf die untersuchte Ursache zurückgeht und nicht auf andere, unkontrollierte Einflüsse — sie ist bei experimentellen Designs am höchsten, da Störvariablen durch Randomisierung kontrolliert werden. Externe Validität beschreibt dagegen, wie gut sich die Ergebnisse auf andere Personen, Situationen oder Zeitpunkte verallgemeinern lassen — ein hoch kontrolliertes Labor-Experiment hat oft geringere externe Validität als eine breite Feldbefragung, weil die künstlichen Bedingungen die reale Situation nur eingeschränkt abbilden. Bei der Designwahl lohnt es sich, bewusst zu entscheiden, welche der beiden Validitätsarten für die eigene Fragestellung wichtiger ist, statt beide unreflektiert maximieren zu wollen — was ohnehin selten gleichzeitig möglich ist.

Die Fallstudie als eigenständiges Design

Die Fallstudie unterscheidet sich grundlegend von den bisher genannten Designs, da sie nicht auf eine große Stichprobe, sondern auf die vertiefte Untersuchung eines oder weniger Fälle abzielt — etwa ein einzelnes Unternehmen, eine Organisation oder ein Ereignis. Sie eignet sich besonders, wenn die Fragestellung nach dem „Wie“ und „Warum“ eines komplexen, kontextabhängigen Phänomens fragt, das sich nicht sinnvoll in Zahlen einer großen Stichprobe abbilden lässt. Fallstudien kombinieren häufig mehrere Datenquellen — Dokumentenanalyse, Interviews, teilnehmende Beobachtung — und sind damit oft implizit bereits ein kleines Mixed-Methods-Design.

Vergleichende und Längsschnitt-Fallstudien

Neben der klassischen Einzelfallstudie gibt es die vergleichende Fallstudie (Multiple-Case-Study), bei der zwei oder mehr Fälle gezielt gegenübergestellt werden, um Gemeinsamkeiten und Unterschiede herauszuarbeiten — etwa der Vergleich zweier Unternehmen mit unterschiedlicher Digitalisierungsstrategie. Dieser Ansatz erhöht die Aussagekraft gegenüber einer reinen Einzelfallstudie, verdoppelt oder vervielfacht aber auch den Erhebungs- und Auswertungsaufwand, was in einer Bachelorarbeit realistisch eingeplant werden muss. Wird ein und derselbe Fall zusätzlich über mehrere Zeitpunkte hinweg untersucht, spricht man von einer longitudinalen Fallstudie — einer Kombination aus Fallstudien- und Längsschnittlogik, die sich vor allem für Prozessanalysen eignet, etwa die Untersuchung eines organisationalen Wandels über mehrere Jahre.

Mixed-Methods-Designs: Wann sich die Kombination lohnt

Ein Mixed-Methods-Design kombiniert quantitative und qualitative Ansätze bewusst innerhalb einer Arbeit — etwa, wenn ein Fragebogen zunächst quantitative Zusammenhänge aufzeigt, die anschließend durch qualitative Interviews vertieft und erklärt werden. Für die qualitative Komponente eines solchen Designs liefert der Beitrag Experteninterview-Leitfaden erstellen eine praktische Anleitung zur Vorbereitung und Durchführung. Mixed-Methods-Designs sind methodisch anspruchsvoll und zeitintensiv, da beide Datentypen sauber erhoben, ausgewertet und schließlich integriert interpretiert werden müssen — für eine Bachelorarbeit mit begrenzter Bearbeitungszeit lohnt sich die Kombination daher nur, wenn die Fragestellung sie wirklich erfordert, nicht als bloße Absicherung nach dem Motto „viel hilft viel“.

Drei gängige Mixed-Methods-Strategien

Nicht jede Kombination aus quantitativen und qualitativen Elementen folgt derselben Logik. Drei Grundstrategien haben sich etabliert:

• Explanatives sequenzielles Design: Erst quantitative Erhebung, dann qualitative Vertiefung der auffälligsten oder unerwarteten quantitativen Befunde — geeignet, wenn die Zahlen ein Muster zeigen, dessen Ursache unklar bleibt.
• Exploratives sequenzielles Design: Erst qualitative Erhebung, um Kategorien und Hypothesen zu entwickeln, dann quantitative Überprüfung an einer größeren Stichprobe — geeignet bei wenig erforschten Themen ohne etablierte Erhebungsinstrumente.
• Konvergentes Design: Quantitative und qualitative Daten werden parallel erhoben und erst am Ende zusammengeführt — geeignet, wenn beide Perspektiven gleichwertig zur Beantwortung derselben Fragestellung beitragen sollen.

Für eine Bachelorarbeit mit begrenztem Zeitrahmen ist das explanative sequenzielle Design meist am praktikabelsten, da die qualitative Phase gezielt und in überschaubarem Umfang auf bereits vorliegende quantitative Befunde aufbaut, statt von Beginn an zwei vollständige Erhebungsstränge parallel zu verwalten.

Wie du das passende Design findest

Die Wahl des Forschungsdesigns folgt einer einfachen Grundregel: Das Design muss zur Art der Frage passen, nicht umgekehrt.

• „Wie verbreitet ist X aktuell?“ → Querschnittdesign, meist nicht-experimentell, oft per Fragebogen — siehe dazu den vertiefenden Beitrag zur quantitativen Forschung in der Bachelorarbeit
• „Wie verändert sich X über Zeit?“ → Längsschnittdesign, idealerweise mit Zugriff auf bestehende Paneldaten
• „Verursacht X tatsächlich Y?“ → Experimentelles oder zumindest quasi-experimentelles Design
• „Wie und warum funktioniert X in diesem konkreten Kontext?“ → Fallstudie, meist mit qualitativen Methoden wie der qualitativen Inhaltsanalyse nach Mayring
• „Wie erklären sich quantitative Muster im Detail?“ → Mixed-Methods-Design

Praxisbeispiel: Vom vagen Interesse zum passenden Design

Angenommen, dein Interesse gilt der Frage, ob Homeoffice die Produktivität von Teams beeinflusst. In der vagen Formulierung lässt sich daraus noch kein Design ableiten — erst die Präzisierung entscheidet. Fragst du „Wie beurteilen Mitarbeitende rückblickend die Auswirkungen von Homeoffice auf ihre Produktivität?“, landest du bei einem nicht-experimentellen Querschnittdesign mit Fragebogen. Fragst du „Verändert sich die Teamproduktivität, wenn ein Team von Präsenz- auf Homeoffice-Arbeit wechselt?“, brauchst du ein Längsschnittdesign mit Messungen vor und nach der Umstellung. Und fragst du „Wie genau organisieren erfolgreiche Remote-Teams ihre Zusammenarbeit?“, bist du bei einer Fallstudie mit qualitativen Interviews. Dieselbe Ausgangsidee führt je nach Zuspitzung der Frage zu drei völlig unterschiedlichen Forschungsdesigns — ein Grund, warum die genaue Formulierung der Fragestellung der Designwahl immer vorausgehen sollte, nicht umgekehrt.

Validität im Praxisvergleich: dasselbe Thema, zwei Designs

Um den Unterschied zwischen interner und externer Validität greifbarer zu machen, hilft ein direkter Vergleich am selben Beispiel. Angenommen, zwei Studierende untersuchen beide den Effekt von Homeoffice auf die Konzentrationsfähigkeit. Die erste Person lädt Probanden in ein kontrolliertes Testlabor ein, weist sie zufällig einer Homeoffice- oder einer Büro-Simulation zu und misst die Konzentrationsleistung anschließend mit einem standardisierten Test unter identischen Bedingungen für alle Teilnehmenden. Dieses Design hat eine hohe interne Validität — Störvariablen wie Tageszeit, Lärmpegel oder Ablenkung sind für beide Gruppen gleich kontrolliert, sodass ein gemessener Unterschied recht sicher auf die Homeoffice-Bedingung selbst zurückgeführt werden kann. Die externe Validität ist dagegen begrenzt: Ob sich das Ergebnis auf den echten Alltag mit Kindern, Haustieren und unvorhersehbaren Unterbrechungen übertragen lässt, bleibt offen. Die zweite Person befragt stattdessen Berufstätige in ihrem tatsächlichen Arbeitsalltag per Fragebogen. Die externe Validität ist hier höher, weil die Bedingungen real und vielfältig sind — die interne Validität sinkt jedoch, weil zahlreiche unkontrollierte Faktoren (Wohnsituation, Tätigkeitsart, familiäre Verpflichtungen) den beobachteten Zusammenhang mitbeeinflussen können. Keines der beiden Designs ist „richtiger“ als das andere — sie beantworten unterschiedliche Facetten derselben Ausgangsfrage, und die Wahl sollte davon abhängen, ob du eher an einem sauber isolierten Effekt oder an einer alltagsnahen Einschätzung interessiert bist.

Typische Fehler bei der Designwahl

• Design nach Bequemlichkeit statt nach Fragestellung gewählt: Ein Querschnitt-Fragebogen ist einfacher umzusetzen als ein Längsschnittdesign — das rechtfertigt aber nicht, ihn für eine Fragestellung zu verwenden, die eigentlich eine Veränderung über Zeit untersuchen soll.
• Kausale Aussagen aus einem nicht-experimentellen Design: Wer nur Zusammenhänge misst, aber im Fazit von „Ursache“ und „Wirkung“ spricht, überschreitet die Aussagekraft des gewählten Designs.
• Fallstudien-Design ohne klare Fallauswahl-Begründung: Warum gerade dieser eine Fall untersucht wird, muss explizit begründet werden — sonst wirkt die Wahl beliebig.
• Mixed-Methods ohne echte Integration: Quantitative und qualitative Teile werden nebeneinander präsentiert, statt am Ende tatsächlich aufeinander bezogen zu interpretieren.

Checkliste: Forschungsdesign auswählen

• Passt das Design zur Art der Fragestellung (Zustand, Verlauf, Kausalität, Einzelfall)?
• Ist das Design innerhalb der Bearbeitungszeit realistisch umsetzbar?
• Erlaubt das gewählte Design die Art von Aussage, die in der Diskussion getroffen werden soll?
• Ist bei Fallstudien die Fallauswahl nachvollziehbar begründet?
• Ist bei Mixed-Methods-Designs eine echte Integration der Datentypen geplant, nicht nur eine Nebeneinanderstellung?
• Wurde bewusst abgewogen, ob interne oder externe Validität für die eigene Fragestellung wichtiger ist?

Ein Recherchetool wie Tesify kann bei der Formulierung des Designabschnitts unterstützen, indem es hilft, die Begründung der Designwahl präzise und methodisch konsistent zu formulieren.

Vom Design zur konkreten Methodik

Sobald das Forschungsdesign feststeht, folgt die konkrete methodische Umsetzung — welches Erhebungsinstrument, welche Stichprobe, welches Auswertungsverfahren zum gewählten Design passt. Dieser nächste Schritt wird ausführlich im Beitrag Methodik der Bachelorarbeit behandelt, der den Aufbau des Methodikkapitels von der Instrumentenwahl bis zur Auswertungsstrategie beschreibt. Eine weitere, unabhängige Einordnung von Forschungsdesign und Methodenwahl mit zusätzlichen Beispielen bietet der Beitrag Methodik Bachelorarbeit: Forschungsdesign, Methoden und Beispiele.

FAQ

Muss ich mein Forschungsdesign schon im Exposé festlegen?

Ja, das grundlegende Design sollte bereits im Exposé feststehen, da es die weitere Planung — Zeitrahmen, Datenzugang, Methodenwahl — maßgeblich beeinflusst und von der Betreuungsperson mitbewertet wird.

Ist ein nicht-experimentelles Design wissenschaftlich weniger wertvoll?

Nein. Nicht-experimentelle Designs sind für viele Fragestellungen die einzig sinnvolle oder ethisch vertretbare Wahl — ihr Wert hängt davon ab, wie sauber sie umgesetzt und wie angemessen die daraus gezogenen Schlussfolgerungen sind, nicht vom Design-Typ selbst.

Kann ich das Forschungsdesign nachträglich wechseln, wenn die Datenerhebung schon läuft?

Ein Wechsel mitten in der Erhebung ist in der Regel problematisch, da er die Vergleichbarkeit der bereits erhobenen Daten gefährdet. Kläre Designfragen deshalb vor Beginn der Datenerhebung verbindlich mit der Betreuungsperson.

Welches Design ist für eine rein literaturbasierte Bachelorarbeit relevant?

Reine Literaturarbeiten ohne eigene Datenerhebung folgen keinem der hier beschriebenen empirischen Designs, sondern einer systematischen oder narrativen Literaturübersicht als eigener methodischer Logik.

Wie viele Fälle braucht eine Fallstudie, um wissenschaftlich anerkannt zu sein?

Es gibt keine feste Mindestzahl — bereits eine einzelne, gut begründete und methodisch sauber ausgewertete Fallstudie ist wissenschaftlich anerkannt, sofern die Fallauswahl transparent begründet und die Übertragbarkeit der Erkenntnisse realistisch eingeschätzt wird.

Was passiert, wenn sich mein gewähltes Design als nicht durchführbar erweist?

Sprich frühzeitig mit deiner Betreuungsperson, sobald sich Probleme abzeichnen — etwa fehlender Datenzugang für ein Längsschnittdesign. Häufig lässt sich die Fragestellung so anpassen, dass ein praktikableres Design (z. B. Querschnitt statt Längsschnitt) weiterhin eine sinnvolle Antwort liefert, ohne die gesamte Arbeit neu aufsetzen zu müssen.

Kann ich innerhalb einer Arbeit mehrere Teilfragen mit unterschiedlichen Designs beantworten?

Ja, solange die Verbindung zwischen den Teilfragen klar bleibt. Manche Bachelorarbeiten kombinieren etwa eine deskriptive Querschnittserhebung für eine Teilfrage mit einer vertiefenden Fallstudie für eine zweite, eng verwandte Teilfrage. Wichtig ist, dass im Fazit klar wird, wie die Erkenntnisse aus beiden Designs zusammen die übergeordnete Fragestellung beantworten — sonst wirkt die Kombination beliebig statt bewusst gewählt.